Für Workshops mit einer festen Gruppe – im Unterschied zum offenen Betrieb (siehe Kap. 2.2.2) – kann ein strukturierter Ablauf hilfreich sein. Der Workshop beginnt mit einem Einstieg über das gemeinsame Spielen eines ausgewählten Spieles. Anschließend erhalten die Teilnehmenden Zeit, das ChatGameLab selbst auszuprobieren und eigene Spiele zu entwickeln. In einer abschließenden Phase können die entstandenen Spiele gemeinsam gespielt und Erfahrungen ausgetauscht werden. 

Je nach Interesse der Gruppe kann dabei auch vertiefend auf die Funktionsweise generativer KI eingegangen werden (vgl. Kap. 1.1-1.3). Die Funktion „KI-Einblicke“ im ChatGameLab ermöglicht beispielsweise einen Blick auf Prompts und deren Verarbeitung durch die KI (vgl. Kap. 2.1.3). Darüber hinaus können typische Phänomene generativer KI – etwa Halluzinationen, Jailbreaking oder Sycophancy – aufgegriffen und diskutiert werden (vgl. Box und Kap. 1.3). Sie bieten einen geeigneten Anlass, um mit Jugendlichen darüber zu sprechen, dass KI-Systeme nicht unfehlbar sind und ihre Ergebnisse kritisch hinterfragt werden sollten. 

1) Einstieg über vorbereitete Spiele 

Zum Einstieg spielen die Teilnehmenden zunächst ein oder mehrere vorbereitete Spiele. Dadurch lernen sie die grundlegende Spiellogik des ChatGameLab kennen und sammeln erste Erfahrungen mit der Interaktion mit der KI. Auf der Seite chatgamelab.eu/edu-games finden sich Beispiele, die sich gut für einen solchen Einstieg eignen. 

Für diesen Einstieg sind zwei Varianten möglich: 

• Gemeinsames Spielen im Plenum: Ein zuvor ausgewähltes Spiel wird gemeinsam gespielt, etwa über eine Projektion. Die Workshopleitung liest den Einstiegstext vor oder nutzt die Vorlesefunktion des ChatGameLab. Anschließend fragt sie die Teilnehmenden, wie sie auf die Situation reagieren möchten. Die Vorschläge der Gruppe werden gesammelt und gemeinsam formuliert, bevor sie eingegeben werden. Entsprechend dem Zeitplan und der Ergiebigkeit der Spielinteraktion beendet die Workshopleitung das Spiel nach etwa fünf bis zehn Runden. Diese Variante ermöglicht es der Workshopleitung, die Gruppendynamik gut zu begleiten und den Einstieg möglichst niedrigschwellig zu gestalten. 
• Eigenständiges Spielen in Kleingruppen: Alternativ kann die Workshopleitung eine Auswahl an Spielen bereitstellen, die von den Teilnehmenden eigenständig – allein oder zu zweit – ausprobiert werden. Diese Variante bietet mehr Freiraum zum Experimentieren und Erkunden der Plattform. Gleichzeitig erhält die Workshopleitung weniger direkte Einblicke in mögliche Schwierigkeiten bei der Nutzung. 

In beiden Varianten können sich die Teilnehmenden zunächst mit dem Spielen und Prompten vertraut machen, bevor sie eigene Spielideen entwickeln. Gleichzeitig erleben sie bereits spielerisch die Möglichkeiten des ChatGameLab. 

2) Erste Einordnung und Blick auf Prompts 

Nach der ersten Spielphase können die gesammelten Erfahrungen kurz gemeinsam besprochen werden. Wie hat die KI auf die Eingaben reagiert? Haben die Antworten überrascht? Wurden die Vorschläge der Spielenden so umgesetzt, wie sie erwartet hatten? 

Auf dieser Grundlage kann auch erläutert werden, wie das ChatGameLab technisch funktioniert. Die Plattform kommuniziert über Programmierschnittstellen (APIs) mit KI-Modellen von Anbietern wie OpenAI oder Mistral. Diese Modelle erzeugen Texte oder Bilder auf Basis der eingegebenen Prompts. 

Das ChatGameLab nutzt diese Modelle jedoch nicht als klassischen Chat-Assistenten, sondern integriert sie in eine Spielstruktur. Die Prompts der Spielenden werden zusammen mit den Spielregeln und weiteren Vorgaben an die KI gesendet. Die Antworten der KI werden anschließend vom ChatGameLab aufbereitet und als erzählerischer Text sowie als Bild dargestellt, sodass ein interaktives Spiel entsteht. 

In diesem Sinne steht das ChatGameLab auf einer ähnlichen Ebene wie Anwendungen wie ChatGPT oder Le Chat. Auch diese Anwendungen greifen über Programmierschnittstellen auf KI-Modelle zu und stellen deren Antworten in einer bestimmten Form dar – etwa als Chat-Assistent. Der Unterschied besteht darin, dass das ChatGameLab diese Antworten in eine spielerische Struktur einbettet. 

3) Entwicklung eigener Spielideen 

Im nächsten Schritt entwickeln die Teilnehmenden eigene Spielideen und formulieren passende Prompts im Spieleditor. Hier stellt sich die Frage, ob die Teilnehmenden alleine oder zu zweit (von uns empfohlen) arbeiten sollen. Zu zweit passiert zwangsläufig mehr Kommunikation. Und die Teilnehmenden können sich gegenseitig inspirieren und unterstützen. Sie müssen sich aber auch aufeinander einstellen, was zu Konflikten führen kann.  

Für das Entwickeln von Ideen kann ein vorbereitetes Arbeitsblatt hilfreich sein. Dieses kann den Vorteil haben, dass die Teilnehmenden ihre Idee erst handschriftlich formulieren müssen, bevor sie direkt am PC arbeiten. So oder so macht eine kurze Erklärung der verschiedenen Felder Sinn. 

Es empfiehlt sich, dass sich Workshopleitung früh einen Überblick über die Spielideen der Teilnehmenden verschafft. So kann sie unterstützen, wenn sich eine Spielidee nur schwer im ChatGameLab umsetzen lässt.  

Die Spiele im ChatGameLab sind grundsätzlich textbasierte Abenteuer mit Bildern. Klassische Spielgenres wie Jump’n’Run, Rennspiele oder Ego-Shooter lassen sich deshalb nicht bzw. nur in erzählerischer Form umsetzen. Das kann die Teilnehmenden frustrieren. Oder aber auch zu erfrischenden Perspektiven auf die bekannten Genres führen (vgl. Kap. 2.1.1 Spieleditor). 

Die Teilnehmenden testen ihre Spiele anschließend selbst, verändern Prompts und entwickeln ihre Ideen weiter. Diese Phase dauert – je nach Gruppe – etwa 30 bis 60 Minuten und sollte durch die Workshopleitung begleitet werden. Nach und nach können für die Verbesserung unterschiedliche Aspekte betont werden: Wer ist wer? Welche Regeln? Wie viel Zeit? Welches Spielziel? Was sind die Spielwerte? Welchen sprachlichen und Bildlichen Stil? Sollen bestehende Geschichten/Filme/Spiele gemischt und remixt werden?  

4) Spiele der anderen ausprobieren 

Im Anschluss können die Teilnehmenden die Spiele der anderen ausprobieren. Diese Phase ermöglicht es, unterschiedliche Spielideen kennenzulernen und neue Perspektiven auf die eigenen Entwürfe zu gewinnen. 

Da sich Jugendliche in dieser Phase leicht im Spielen verlieren können, empfiehlt es sich, einen zeitlichen Rahmen zu setzen oder eine bestimmte Anzahl an Spielen auszuwählen, die ausprobiert werden sollen. 

Optional können weiterführende Aufgaben gestellt werden, etwa die Teilnehmenden zu bitten, die Prompts hinter einem Spiel zu erraten und diese anschließend mit den tatsächlichen Prompts im Spieleditor zu vergleichen. 

5) Reflexion und Abschluss 

Zum Abschluss werden die entstandenen Spiele gemeinsam besprochen. Dabei kann reflektiert werden, welche Prompts gut funktioniert haben und an welchen Stellen die KI unerwartet reagiert hat. Diese Diskussion bietet einen guten Ausgangspunkt, um typische Eigenschaften generativer KI zu thematisieren (vgl. Kap. 1.3). In Workshops können dabei unter anderem folgende Aspekte aufgegriffen werden: 

• Halluzinationen: Generative KI kann Inhalte erzeugen, die plausibel klingen, aber faktisch falsch sind. In Spielen kann dies beispielsweise sichtbar werden, wenn die KI Orte, Personen oder Ereignisse beschreibt, die es so nicht gibt. Solche Situationen können genutzt werden, um mit Jugendlichen darüber zu sprechen, warum KI-Antworten überprüft werden sollten. 
• Sycophancy: Viele KI-Systeme neigen dazu, den Aussagen der Nutzenden zuzustimmen oder deren Annahmen zu bestätigen. Diese sogenannte Sycophancy kann dazu führen, dass die KI auch offensichtlich fragwürdige Aussagen unterstützt oder weiter ausbaut. In Workshops lässt sich dies gut beobachten, wenn Teilnehmende bewusst ungewöhnliche oder falsche Annahmen in ihre Prompts einbauen und prüfen, wie die KI darauf reagiert. 
• Verzerrungen/Datenbias: KI-Modelle werden mit großen Datenmengen trainiert, die jedoch nicht alle Perspektiven der Welt gleichermaßen abbilden. Viele Trainingsdaten stammen aus englischsprachigen und westlich geprägten Kontexten. Dies kann dazu führen, dass bestimmte kulturelle Bezüge, historische Perspektiven oder Sprachräume in den Antworten der KI weniger gut dargestellt werden. In Workshops kann dies sichtbar werden, wenn die KI bei bestimmten kulturellen Referenzen oder lokalen Kontexten unerwartete oder unpassende Ergebnisse erzeugt. 

Auch kann thematisiert werden, dass KI-Systeme durch Vorgaben der Anbieter gesteuert werden und dass ihre Ergebnisse nicht immer vollständig nachvollziehbar sind. Anbieter legen über Systemprompts, Moderations- und Sicherheitsrichtlinien sowie sogenannte Alignment-Vorgaben fest, wie sich ein Modell verhalten soll, welche Inhalte es erzeugen darf und welche nicht. Diese Regeln sind nur teilweise öffentlich und spiegeln auch kulturelle und gesellschaftliche Annahmen der jeweiligen Entwicklerkontexte wider. 

Im ChatGameLab werden derzeit Modelle von OpenAI und Mistral genutzt. OpenAI entwickelt seine Systeme überwiegend im US-amerikanischen Kontext und arbeitet mit umfangreichen Moderations- und Sicherheitsmechanismen, die stark auf Schadensvermeidung ausgerichtet sind. Mistral ist ein europäisches Unternehmen und verfolgt teilweise einen offeneren Ansatz mit stärkerem Fokus auf Transparenz und offenen Modellen, orientiert sich jedoch ebenfalls an europäischen Regulierungsvorgaben wie dem AI Act (vgl. Kap. 1.4). Unterschiede in diesen Ansätzen können sich auch in den Antworten der Modelle bemerkbar machen. 

Neben diesen Vorgaben der Modellanbieter können auch im ChatGameLab gesetzte Organisations- oder Workshop-Meta-Prompts einen Einfluss auf die Antworten der KI haben. Über solche Meta-Prompts können beispielsweise Jugendschutzvorgaben, Sprachstile oder thematische Einschränkungen festgelegt werden. Wir empfehlen, diese Vorgaben möglichst transparent zu machen und ihre Wirkung gemeinsam zu diskutieren (vgl. Kap. 2.3.1). 

Im Workshop kann dies beispielsweise sichtbar werden, wenn Teilnehmende beobachten, dass bestimmte Themen von der KI anders behandelt oder eingeschränkt werden oder wenn ähnliche Prompts zu unterschiedlichen Ergebnissen führen. Solche Situationen bieten eine gute Gelegenheit, mit Jugendlichen darüber zu sprechen, wer KI-Systeme entwickelt, welche Regeln darin festgelegt werden und welche Perspektiven dabei möglicherweise stärker oder schwächer vertreten sind. So wird deutlich, dass KI keine neutrale Instanz ist, sondern ein von Menschen gestaltetes technisches System.